计算机应用研究

作者：霍欢,邹依婷,金轩城,黄君扬,薛瑶环,

单位：1.上海理工大学光电信息与计算机工程学院,上海200093；2.复旦大学上海市数据科学重点实验室,上海201203；

关键词：答案获取,序列模型,OOV,覆盖机制,

基金：国家自然科学基金资助项目(61003031)；上海重点科技攻关项目(14511107902)；上海市工程中心建设项目(GCZX14014)；上海市一流学科建设项目(XTKX2012)；上海市数据科学重点实验室开放课题资助项目(201609060003)；沪江基金研究基地专项资助项目(C14001)；；

针对机器阅读理解任务中的答案问题获取提出一种序列生成模型SGN。首先，SGN在问题矩阵空间获取问题与文章的匹配表示，并参照潜在的问题信息生成当前节点的词向量；然后使用一个选择门结构从文章或者字典中选择当前词汇，并且自发学习和归纳OOV（out-of-vocabulary）单词，解决语义表述不准确的问题；最后使用改进的覆盖机制消除生成序列中的冗余问题，从而提高可读性。实验通过人工数据集SQuAD进行验证，其结果表明，在阅读理解任务上SGN生成的目标序列与基准模型seq2seq相比可读性更加优异，并且与原文语义更贴近。

来源：2020年第3期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第3期